日常上官网 https://python-docx.readthedocs.io/en/latest/
pip install python-docx
word 中主要有两种用文本格式等级:块等级(block-level)和内联等级(inline-level)word 中大部分内容都是由这两种等级的对象组成的(其他的诸如眉页、引脚等,docx 库的作者还在开发中)
块对象一般包括:段落(paragraph)、图片(inline picture)、表(table)、标题(heading)、有序列表(numbered lists)、无序列表(bullets lists)
段落是 word 文件中的主要块对象(block-level object),块等级项(block-level item)主要任务是将文本格式从左边界向右边界展示(flows);对于段落而言,边界就是分段标识,或者是文本的列边界,列表(table)也是块对象(block-level object)
内联对象(inline-level object)是块对象(block-level object)的组成部分,块对象的所有内容都包含在内联对象中,一个块对象由一个或多个内联对象组成,run 是常用的内联对象,例如:
p = document.add_paragraph('This is paragraph')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True
这个例子中一个段落(块对象)包含三个 run(内联对象),每一个 run 都设置有不同属性
写word示例:
# coding:utf-8
import sys
from docx import Document
from docx.shared import Inches
def main():
reload(sys)
sys.setdefaultencoding('utf-8')
# 创建文档对象
document = Document()
# 新增样式(第一个参数是样式名称,第二个参数是样式类型:1代表段落;2代表字符;3代表表格)
style = doc.styles.add_style('style name 1', 2)
# 从样式库中选取 'Normal' 样式,并设置 'Normal' 样式的字符属性(font)
style = document.styles['Normal']
style.font.name = "Microsoft YaHei UI"
style.font.size = Pt(50)
# 将设置好字符属性的样式运用到段落中
# p = document.add_paragraph("change font attribution", style = 'Normal')
# 从样式库中选取 'Heading 2'' 样式,并设置段落格式(paragraph format)
style = document.styles['Heading 2']
style.paragraph_format.left_indent = Pt(20)
style.paragraph_format.widow_control = True
# 将设置好段落格式的 style 运用到段落中
# p = document.add_paragraph('This is Heading, level 1', style = style)
# 设置文档标题,中文要用unicode字符串
document.add_heading(u'我的一个新文档',0)
from docx.shared import RGBColor,Inches,Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH
# 往文档中添加段落
p = document.add_paragraph('This is a paragraph having some ')
p.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.CENTER # WD_ALIGN_PARAGRAPH.LEFT,左对齐;WD_ALIGN_PARAGRAPH.RIGHT,右对齐
p.paragraph_format.left_indent = Inches(0.5) # 设置段落从左开始缩进,使用Inches来衡量
p.paragraph_format.right_indent = Pt(20) # 设置段落从右开始缩进,使用Pt来衡量
p.paragraph_format.first_line_indent = Inches(0.5) # 设置段落第一行缩进,可以与上两个缩进叠加
p.paragraph_format.space_after = Pt(5) # 设置与上一段间隔 Pt(5)
p.paragraph_format.space_before = Pt(10) # 设置与下一段间隔 Pt(10)
p.paragraph_format.line_spacing = Pt(18) # 行距
p_run = p.add_run('xxx')
p_run.font.italic = True # 设置为斜体
p_run.font.size = Pt(12) # 设置字体大小
p_run.font.color.rgb = RGBColor(0, 0, 0) # 设置字体颜色
p_run.font.name = u"宋体" # 设置字体样式
p_run.font._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体') # 设置字体样式
p_run.font.underline = False # 不设置下划线
p_run.font.bold = None # 设置粗体为继承上一个字体的格式
# 这一类属性,每个有三种状态:True 为使用属性;False 为不使用属性;None 默认属性继承自上一个字体
# 添加一级标题
document.add_heading(u'一级标题, level = 1',level = 1)
document.add_paragraph('Intense quote',style = 'IntenseQuote')
# 添加无序列表
document.add_paragraph('first item in unordered list',style = 'ListBullet')
# 添加有序列表
document.add_paragraph('first item in ordered list',style = 'ListNumber')
document.add_paragraph('second item in ordered list',style = 'ListNumber')
document.add_paragraph('third item in ordered list',style = 'ListNumber')
# 添加图片,并指定宽度
document.add_picture('e:/docs/pic.png',width = Inches(1.25))
# 添加表格: 1行3列
table = document.add_table(rows = 1,cols = 3)
# 获取第一行的单元格列表对象
hdr_cells = table.rows[0].cells
# 为每一个单元格赋值,值都要为字符串类型
hdr_cells[0].text = 'Name'
hdr_cells[1].text = 'Age'
hdr_cells[2].text = 'Tel'
# 为表格添加一行
new_cells = table.add_row().cells
new_cells[0].text = 'Tom'
new_cells[1].text = '19'
new_cells[2].text = '12345678'
# 添加分页符
document.add_page_break()
# 往新的一页中添加段落
p = document.add_paragraph('This is a paragraph in new page.')
# 保存文档
document.save('e:/docs/demo1.docx')
if __name__ == '__main__':
main()
运行程序会得到一个下面的文档
对于文件名是中文的读取时会报错
读取已有的word文档示例
# coding:utf-8
import sys
from docx import Document
def main():
reload(sys)
sys.setdefaultencoding('utf-8')
# 创建文档对象,写自己的 word 路径
document = Document('e:/docs/demo2.docx')
# 读取文档中所有的段落列表
ps = document.paragraphs
# 每个段落有两个属性:style和text
ps_detail = [(x.text,x.style.name) for x in ps]
with open('out.tmp','w+') as fout:
fout.write('')
# 读取段落并写入一个文件
with open('out.tmp','a+') as fout:
for p in ps_detail:
fout.write(p[0] + '\t' + p[1] + '\n\n')
# 读取文档中的所有段落的列表
tables = document.tables
# 遍历table,并将所有单元格内容写入文件中
with open('out.tmp','a+') as fout:
for table in tables:
for row in table.rows:
for cell in row.cells:
fout.write(cell.text + '\t')
fout.write('\n')
if __name__ == '__main__':
main()
1、如果段落中是有超链接的,那么段落对象是读取不出来超链接的文本的,需要把超链接先转换成普通文本,方法:全选word文档的所有内容,按快捷键Ctrl+Shift+F9即可。
2、读取某些文件时会报错,docx.opc.exceptions.PackageNotFoundError: Package not found。原因:docx无法识别doc,需要先手动或者使用win32com转换
from win32com import client as wc
import docx
def doSaveAas():
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(u'E:\old.doc') # 目标路径下的文件
doc.SaveAs(u'E:\\new_path.docx', 12, False, "", True, "", False, False, False, False) # 转化后路径下的文件
doc.Close()
word.Quit()
doSaveAas()
链接https://www.cnblogs.com/jiayongji/p/7290410.html